美利体育登录入口官网:T/CESA 1026-2018
人工智能 深度学习算法评估规范
Artificial intelligence—Assessment specification for deep learning algorithms
美利体育登录入口官网: T/CESA 1026-2018 发布历史
T/CESA 1026-2018由中国团体标准 CN-TUANTI 发布于 2018-07-01，并于 2018-10-29 实施。
T/CESA 1026-2018在国际标准分类中归属于: 35.080 软件开发和系统文件。
T/CESA 1026-2018 人工智能 深度学习算法评估规范的最新版本是哪一版？
最新版本是 T/CESA 1026-2018 。
- 标准号
- T/CESA 1026-2018
- 发布时间
- 2018-07-01
- 标准名称
- 人工智能 深度学习算法评估规范
- ICS
- 35.080
- 发布机构
- 中国电子工业标准化技术协会
- 编制依据
- GB/T 1.1—2009
- 专利声明（未识别专利）
- 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别这些专利的责任。
- 提出和归口信息
- 提出单位：中国人工智能开源软件发展联盟；归口单位：中国电子技术标准化研究院
- 起草信息
- 起草单位：中国电子技术标准化研究院、中国科学院软件研究所、上海计算机软件技术开发中心、北京航空航天大学、华东师范大学、中国科学院计算技术研究所、军事科学院国防科技创新研究院、国防科技大学、卡索 (北京) 科技有限公司、北京百度网讯科技有限公司、浙江蚂蚁小微金融服务集团有限公司、深圳前海微众银行股份有限公司、顺丰科技有限公司、深圳市优必选科技有限公司、北京京东尚科信息技术有限公司、深圳赛西信息技术有限公司、数据地平线（广州）科技有限公司。主要起草人：薛云志、孟令中、崔静、张明英、张璨、周平、武斌、郭崎、刘畅、吴涛、李海峰、肖良、张超、于泉杰、宋俊典、戴炳荣、王长波、孙仕亮、陈美、李刚、潘欣、程思、刘志欣、刘新凯、王太峰、巢林林、袁杰、曹安然、尹思遥。
- 解释单位
- 中国电子技术标准化研究院（中国人工智能开源软件发展联盟 秘书处）
- 编制原因和目的
- 业界缺乏对深度学习算法可靠性、可移植性、效率等的系统性评估方法，一定程度上影响着深度学习的广泛应用和技术发展。本标准旨在针对人工智能深度学习算法的可靠性评估进行要求，推动本标准的持续改进，使其内容更加贴近用户组织的实际需求。
- 技术内容特殊信息
- 本标准此版本仅针对人工智能深度学习算法的可靠性评估进行要求。随着研究的深入及应用的发展，后续将不断进行持续改进，逐渐扩展到深度学习算法可移植性、效率等方面的评估。
- 与法规或其他标准的关系说明
- 根据GB/T 5271.28-2001《信息技术 词汇 第28部分:人工智能 基本概念与专家系统》中的定义进行术语解释。
- 风险分析或特殊提示
- 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别这些专利的责任。
T/CESA 1026-2018的历代版本如下：
- 2018年 T/CESA 1026-2018 人工智能 深度学习算法评估规范
本标准的主要借鉴国际标准DO-178C-2011 Software Consideration in Airborne Systems and Equipment Certification 的思想，针对算法的不同阶段定义了多个不同的目标来满足不同的等级，同时实现了面向深度学习算法可靠性指标体系的前向和后向追踪的理念，使得对算法研发过程的验证与评估变得更容易，从而达到评估可靠性的目标。 本标准结合人工智能深度学习算法的特点及传统的可靠性评估的体系及流程，制定了标准的内容，主要包括以下方面： 算法可靠性评估指标体系 基于深度学习算法可靠性的内外部影响考虑，结合用户实际的应用场景，本标准提出了一套深度学习算法的可靠性评估指标体系。指标体系包含7个一级指标和20个二级指标。 算法可靠性评估流程 依据深度学习算法可靠性评估指标体系，对深度学习算法开展可靠性评估工作。可靠性评估流程包括确定可靠性目标、选择评估指标、需求阶段的评估、设计阶段的评估、实现阶段的评估、运行的阶段评估及得出评估结论这七个阶段。 算法需求、设计、实现和运行阶段的前提条件、输入、关键活动及输出的内容 面向深度学习算法需求阶段的评估工作，指运用可靠性分析方法，通过对算法功能实现的正确性和软硬件平台依赖的影响等进行评估，以确定算法的需求满足可靠性目标要求。面向深度学习算法设计阶段的可靠性评估工作，指运用分析或评审等方法，对算法功能实现的正确性、训练数据集的影响及目标函数等进行评估，以确定算法设计满足可靠性目标要求。面向深度学习算法实现阶段的可靠性评估工作，指运用分析和测试等方法，对算法功能实现的正确性、代码实现的正确性、目标函数的影响及对抗性样本的影响等进行评估，以确定算法的实现满足可靠性目标要求。面向深度学习算法运行阶段的可靠性评估工作，指针对实际运行环境使用数据进行分析，对算法的正确性、软硬件平台的依赖影响和环境数据的影响等进行评估，以确定算法的运行满足可靠性目标要求。 深度学习算法可靠性评估指标选取规则 附录A给出了深度学习算法的可靠性评估指标的选取规则。针对不同级别的深度学习算法可靠性目标开展相关评估活动。 深度学习算法可靠性评估实施案例 附录B给出了人脸识别算法可靠性评估实施案例和行为美利体育登录入口官网算法可靠性评估实施案例。
点击查看大图
- 标准号
- T/CESA 1026-2018
- 发布
- 2018年
- ICS
-
35.080
- 总页数
- 30页
- 发布单位
- 中国团体标准
- 当前最新
- T/CESA 1026-2018
- 本体
- 可靠性评估
美利体育登录入口官网: T/CESA 1026-2018 中提到的仪器美利体育官网首页网址
| 智能摄像头 未明确 | 用于采集含有人脸的图像或视频流的美利体育官网首页网址，是人脸识别算法的重要输入来源。 |
美利体育登录入口官网: 其他标准
美利体育登录入口官网: 专题
美利体育登录入口官网: T/CESA 1026-2018相似标准
美利体育登录入口官网: 推荐
深度学习算法“解密”脑活动
英国《自然·医学》杂志9月25日在线发表的一项研究，报告了一种可以分析四肢瘫痪患者大脑活动的深度学习算法。该算法已被用于向患者的前臂肌肉传递电刺激，从而恢复瘫痪肢体的功能性运动。 慢性瘫痪患者的生活质量可以通过脑机接口加以改善。脑机接口可以将控制运动的中枢神经系统回路和辅助美利体育官网首页网址（例如计算机光标...
深度学习算法准确追踪动物运动
根据英国《自然·神经科学》杂志8月21日在线发表的一项研究，美国哈佛大学团队运用一种新型深度学习算法，成功追踪动物运动及行为，其准确度可达到人工水平，而且无需采用追踪标记物或进行费时的手动分析。专家认为，这一成果打开了海量的数据来源之门。 准确追踪行为发生期间的身体运动部位是运动科学的一项...
人工智能解锁新领域 深度学习算法助力发现古人类遗迹
近年来，深度学习作为机器学习的一个分支，在考古学中迅速普及应用，使得考古工作的效率得到提升。除了用于发现考古遗迹，预测、翻译古文字，人工智能还参与了部分文物的修复过程。 人工智能继续探索新领域，这次是考古。 近日，来自美国宾夕法尼亚州立大学、澳大利大悉尼大学等4所研究机构的研究人员，在著名...
深度学习算法 助力精准诊断结直肠肿瘤
根据发表在《Life Science Alliance》杂志上的新研究，一种新的深度学习算法可以快速，准确地分析来自结直肠肿瘤的几种基因组数据，以进行更准确的分类，从而有助于改善诊断和相关的治疗选择。 大肠肿瘤的发展方式各不相同，需要接受的药物类型也不同，生存率也大不相同。通常，基于对基因表达...